神经科学与生物医学中的探索、推断与预测
神经元与认知
2019-03-26 v1 应用统计
摘要
过去几十年中，脑研究取得了巨大进展。这些进展常通过探查单一变量以做出限定性发现而得以支撑，典型手段为零假设显著性检验。生成海量数据的新方式，在用于推断精心选定变量中统计相关效应的传统方法，与通过搜索丰富信息以识别预测性特征的模式学习算法之间，引发了张力。在本文中，我们详述了两种定量方法背后对立的哲学：在可理解的变量中确证稳健效应，与评估所构建模型预测未来结果的准确程度。我们不鼓励通过“统计学”或“机器学习”等类别来选择分析工具。相反，为建立关于脑的可复现知识，我们主张依据每次定量分析的核心动机——指向机制性洞见或优化预测精度——来优先选用工具。
引用
@article{arxiv.1903.10310,
title = {Exploration, inference and prediction in neuroscience and biomedicine},
author = {Danilo Bzdok and John Ioannidis},
journal= {arXiv preprint arXiv:1903.10310},
year = {2019}
}